典型文献
基于CSI的空中手写数字识别方法
文献摘要：
针对传统设备无关的手势识别方法中存在受环境影响大、成本高等问题,提出一种空中手写数字识别方法,即AirNum方法.将提取WiFi中的信道状态信息(CSI)信号,经巴特沃斯低通滤波降噪、主成分分析(PCA)降维处理后,使用滑动窗口提取特征值得到手写信息的特征序列,将其输入基于注意力机制的双向循环神经网络(BRNN)模型训练,并使用SoftMax函数进行分类.实验证明:在实验室及空旷教室环境下,该方法可以有效识别手写信息,平均识别精度达到93.7％,与卷积神经网络(CNN)方法、支持向量机(SVM)方法、决策树方法相比,具有更好的识别精度和鲁棒性.
文献关键词：
空中手写;信道状态信息;注意力机制;双向循环神经网络
中图分类号：
作者姓名：
党小超;殷杰;郝占军;乔志强
作者机构：
西北师范大学计算机科学与工程学院,甘肃兰州730070;甘肃省物联网工程研究中心,甘肃兰州730070
文献出处：
引用格式：
[1]党小超;殷杰;郝占军;乔志强-.基于CSI的空中手写数字识别方法)[J].传感器与微系统,2022(09):29-33
A类：
空中手写,AirNum
B类：
CSI,手写数字识别,设备无关,手势识别,WiFi,信道状态信息,巴特沃斯低通滤波,降噪,降维处理,滑动窗口,提取特征,到手,写信,特征序列,注意力机制,双向循环神经网络,BRNN,模型训练,SoftMax,空旷,教室,识别精度,决策树
AB值：
0.271199
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
